Spec Driven Development
von formulahendry
MCP Server that facilitates spec-driven development workflows, not just Vibe Coding.
Läuft auf deinem Computer★ 440MITAktualisiert vor 14 Monaten
Installieren
Benzi
Überblick
Beschreibung vom Entwickler (englisches Original)
Compiler-backed code intelligence: calls, data flow, references and class hierarchy as tools.
Die drei Säulen von PopNx MCP
Diese drei werden nie zu einer Punktzahl zusammengefasst: Meinungen, Messungen und Beliebtheit sind verschiedene Dinge.
- Stimmen der NutzeriNoch keine BewertungenBewertungen starten in einem späteren Schritt zusammen mit Benutzerkonten
- Unsere Basischecksi0 von 1 bestandenAnhand öffentlicher Informationen geprüft; Code noch nicht gescannt
- NutzungiNoch nicht gemessen★ –
Was du damit machen kannst
Für diesen Server haben wir noch keine Zusammenfassung in einfacher Sprache geschrieben. Unten stehen die Fakten, die wir aus der Registry gelesen haben.
- Verbindung: Läuft auf deinem Computer
- Transport: stdio
- Kategorie: Sonstiges
Installation
Wähle die KI-App, die du nutzt, und kopiere die Einstellungen.
Bevor du installierst
- Basischecks: 0 von 1 bestanden
- Läuft auf deinem Computer mit den Rechten deines Benutzerkontos (Dateien, Netzwerk, Apps).
- Die Registry nennt keinen Schlüssel zum Eintragen.
Du brauchst
- PyPIuv für Python installiert (für den Befehl uvx)
Welche App nutzt du?
Wähle oben deine App. Wir merken sie uns, damit der Button beim nächsten Mal „In … installieren“ anzeigt.
Öffne Claude Desktop → Settings → Developer → Edit Config und füge dies in claude_desktop_config.json ein
{
"mcpServers": {
"benzi": {
"command": "uvx",
"args": [
"benzi-mcp"
]
}
}
}Führe das in deinem Terminal aus
claude mcp add benzi -- uvx benzi-mcpOder kopier die Einstellungen selbst
In .cursor/mcp.json in deinem Projekt oder in ~/.cursor/mcp.json einfügen
{
"mcpServers": {
"benzi": {
"command": "uvx",
"args": [
"benzi-mcp"
]
}
}
}Dein Browser fragt, ob er die App öffnen darf, dann zeigt die App die Einstellungen und bittet dich um Bestätigung. Schlüsselwerte bleiben leer, damit du sie selbst einträgst.
Oder kopier die Einstellungen selbst
In .vscode/mcp.json in deinem Projekt einfügen
{
"servers": {
"benzi": {
"type": "stdio",
"command": "uvx",
"args": [
"benzi-mcp"
]
}
}
}Dein Browser fragt, ob er die App öffnen darf, dann zeigt die App die Einstellungen und bittet dich um Bestätigung. Schlüsselwerte bleiben leer, damit du sie selbst einträgst.
Dieser Server läuft auf deinem Computer, und ChatGPT kann sich nur mit Servern im Internet verbinden. Wähle eine andere App.
Deine Auswahl bleibt in einem Cookie auf diesem Gerät; kein Konto nötig.
Diese Einstellungen werden aus dem Registry-Eintrag des Entwicklers erzeugt. Wenn in der README etwas anderes steht, folge der README.
Was er kann
Läuft auf deinem Computer; die Tool-Liste erscheint nach der Installation in deiner KI-App.
Basischecksi
Wir prüfen Informationen, die jeder sehen kann; den Code haben wir nicht gelesen. Checks, die nicht zutreffen, werden nicht mitgezählt. · Geprüft am 6. Nov. 2026
- ! Vorsicht
Entwickler passt zum Repo
Der Herausgeber (varianttech.net) ist nicht der Repo-Inhaber (oooscoos); vielleicht hat jemand anderes ihn eingetragen
- … Noch nicht geprüft
Wird noch gepflegt
Dieses Repo haben wir noch nicht von GitHub gelesen
- … Noch nicht geprüft
Hat eine Lizenz
Dieses Repo haben wir noch nicht von GitHub gelesen
- – Nicht zutreffend
Endpunkt antwortet
Dieser Server läuft auf deinem Computer; es gibt keinen Endpunkt im Internet
- – Nicht zutreffend
Anmeldung mit OAuth
Läuft auf deinem Computer und nutzt stattdessen lokale Einstellungen
- … Noch nicht geprüft
Keine versteckten Anweisungen in Tool-Beschreibungen
Läuft auf deinem Computer; Tool-Listen können wir nur von Endpunkten im Internet lesen
Im Vergleich mit anderen in Sonstigesi
- Mehr Sterne als 0 % der anderen 32357 Server in dieser Kategorie
- Neuer in der Registry veröffentlicht als 84 % der anderen 32357 Server in dieser Kategorie
- Basischecks gleich gut wie oder besser als bei 36 % der anderen 32357 Server in dieser Kategorie
Verglichen mit allen aktiven Servern dieser Kategorie in der Registry. Sterne zählen nur, wenn dem Herausgeber das Repo gehört.
Häufige Fragen
Ist Benzi sicher?
Er hat 0 von 1 zutreffenden Basischecks bestanden. Den Code haben wir nicht gelesen. Bevor du einen Schlüssel oder Token hinzufügst, sieh nach, welche Zugriffe der Server verlangt, und nutze einen Schlüssel, der nur die Berechtigungen hat, die du brauchst.
Welche Schlüssel oder Codes braucht er?
Die Registry nennt keinen erforderlichen Schlüssel, manche Server bitten dich aber bei der ersten Nutzung, dich anzumelden.
Läuft er auf meinem Computer oder in der Cloud?
Er läuft auf deinem Computer. Deine KI-App startet ihn bei Bedarf, und die Daten laufen nicht über die Server des Entwicklers (außer der Server ruft selbst einen Onlinedienst auf).
Wird er noch gepflegt?
Das GitHub-Repo wurde zuletzt – geändert, und die neueste Version (0.1.7) kam vor 6 Tagen in die Registry.
Welche Apps können ihn nutzen?
Apps, die MCP unterstützen, etwa Claude Desktop, Claude Code, Cursor und VS Code. Außerdem brauchst du Python (uv) auf deinem Computer.
Was kann ich stattdessen nutzen?
In derselben Kategorie: Spec Driven Development, Remote Desktop Commander, Parano1d node
Alternativen
Server derselben Kategorie von anderen Entwicklern, sortiert nach Sternen.
So liest du eine Karte:★ GitHub-SterneiDrei Säulen: Bewertungen · Checks · NutzungiAktualisiert = neueste Version in der Registry veröffentlichti
Remote Desktop Commander
von desktop-commander
Remote Desktop Commander: use files, terminal and processes on your own computers from any AI app.
Läuft in der Cloud★ 211Aktualisiert gestern
Installieren
Parano1d node
von noidium
Local Parano1d node over MCP. Read-only by default; sending needs the opt-in, capped wallet mode.
Läuft auf deinem ComputerAktualisiert heute
Installieren
README vom Entwickler
README öffnen
Unverändert aus dem Repo des Entwicklers übernommen. PopNx MCP hat den Inhalt weder geprüft noch empfiehlt es ihn. HTML, Bilder und Skripte wurden entfernt. Links führen von dieser Website weg.
Language Agnostic · Model Agnostic · Compiles Locally · BYOK · MCP Compatible
Contents
— What is Benzi —
— Live demos —
— Language support —
— Getting started —
— SWE-bench Verified —
— How it works —
— Toolset —
— Features —
— Benzi vs CC, DSH, OC —
— FAQ and Benzi's map vs LSP/SCIP indexers —
What is Benzi
Most AI coding agents grep and glob raw source code into AI model's context window and hope the model finds what matters. Benzi parses every file first — a real compiler, built on tree-sitter — into a precise, queryable map. Every symbol, every call edge, every reference, every class in its inheritance chain. One pass, done.
Every file parsed, imports resolved, class ancestry built, every identifier traced to its definition — before a single question is answered. Call flow and data flow join at every call site, so a bad value traces to its origin in one tool call. Claude Code greps; Cursor embeds; Aider maps signatures; Benzi resolves — in O(1). Ten languages so far, plus a markup engine for HTML, CSS, and DOM-JS — see Language support. Benzi is free to use during beta.
You can try pasting this repo's link to Benzi in the live demo too!
Benzi on SQLite
Like where this is headed? A ⭐ goes a long way.
Live demos
[StallionSwipe](BENZI_GREENFIELDING_EXAMPLES/horse_tinder/) · Python, HTML, CSS, JS — a dating app for horses, greenfielded by Benzi from scratch in a single chat session. No image is a file: every horse portrait is procedural SVG, generated in code. Match with one and it flirts back through a real model, live. Frontend, backend, and the prompts — all written by Benzi. Try it live.
Or, try any repo of your choice at all here — point Benzi at any public GitHub repo and it builds the index live. varianttech.net/demo.
Language support
Python · JavaScript · TypeScript · Java · C# · C++ · C · Go · Rust · Ruby
One compiler, ten languages — each is a tree-sitter grammar plugin, so the core of the map (symbols, call edges, references, inheritance, data flow) is built the same way everywhere.
Depth is uneven. Python is deepest, and the only one with the runtime tracer. Every language reaches the core of the map, but each has its own constructs, not all modelled yet. For most code, every other language's map comes close to Python's.
Incremental reindexing is also less optimized for C, C++, Rust, and Ruby — it works, just not as fast on a large edit loop.
Wrong or thin answer in your language? Open an issue with the repo, the question, and what it got wrong — that's how the uneven parts get found.
Getting started
Benzi is completely free to use during beta. There are two ways to use it, and they share one login: the same benzi-login config works everywhere.
- The Benzi agent — Benzi's own agent, running on the compiled index, in VS Code or from the terminal. These features are part of the agent itself, so they come with VS Code and headless and are not available over MCP:
- Runtime tracer — runs your code and records what actually happened: which target each ambiguous call really hit, with the real argument values.
- Static-analysis-gated edits — every write is syntax-checked and checked against a fresh index before the next step; an edit that breaks the code is rolled back instead of built on.
- Blast radius before and after every edit — who calls the symbol, who holds it, and what feeds its parameters, before the change and again once it lands.
- Self-aware upgrade to pro — when a task outgrows the model it's running on, the agent upgrades itself to a larger model, then drops back when the task is done. Set
BENZI_ESCALATE_MODEL=deepseek-pro(or another model alias) to turn it on. - Persistent memory and rollback — per-repo facts that survive restarts, and one-step undo of any edit.
Run it either way:
- VS Code extension — VS Code Marketplace
- Install Benzi from the VS Code Marketplace.
- Click the Benzi icon in the left activity bar (circled below) to open the Benzi: Settings panel.
- Pick your model and paste your API key: an Anthropic key, or a non-Anthropic one (DeepSeek, Groq, Kimi and others).
- Enter your email and press Send, then type in the one-time code it emails you.
- Press Save model & keys, then Run Benzi.
- Headless CLI — PyPI
The same steps as the VS Code extension, from your terminal: install, log in, set your model and key, then run.
bash pip install benzi
Python 3.11–3.14 on Windows, macOS and Linux. Installs the benzi-login, benzi-headless and benzi-mcp commands.
1. Log in — emails you a one-time code to type in.
bash benzi-login --login you@example.com
2. Set your model and key
bash benzi-login --model deepseek benzi-login --nonanthropic-key YOUR_KEY # or for Claude models: benzi-login --anthropic-key YOUR_KEY
3. Run it on a repo — from the terminal, for scripts and CI.
bash benzi-headless . "fix the failing test in parser.py"
- The Benzi compiler as an MCP server — the compiled index, served as tools to the agent you already use: Claude Code, Cursor, or any MCP client. This is the map without Benzi's agent loop, so output quality depends on your agent, and the agent features above aren't included.
The steps are the same as headless: pip install benzi, then log in with benzi-login. You can skip the model and key, because your own agent does the model calls. Then register benzi-mcp with your agent instead of running benzi-headless. For example, in Claude Code, once for all your projects:
claude mcp add --scope user benzi -- benzi-mcpbenzi-mcp then serves whichever folder you start Claude Code in, so switching projects needs nothing extra. To pin it to one repo no matter where you start, pass that repo's path:
claude mcp add --scope user benzi -- benzi-mcp /path/to/your/repoVS Code's settings panel and benzi-login share one config: log in once, and VS Code, headless and MCP all use it.
SWE-bench Verified
The full SWE-bench Verified set — 500 real GitHub issues from twelve Python repositories — run end to end on DeepSeek V4.1-Flash, one attempt per instance, graded by the official swebench.harness.run_evaluation inside its own per-instance Docker images, with network access to GitHub and PyPI blocked inside every container. 413 of 500 resolved (82.6%) for $9.26 in total, 1.85¢ per task, with 97.6% of input tokens served from cache.
| Resolved | 413 / 500 (82.6%) |
| Attempts per instance | 1 (pass@1) |
| Model | DeepSeek V4.1-Flash, thinking mode at its default effort |
| Total generation cost, all 500 | $9.26 |
| Cost per task | $0.0185 |
| Model turns: total / median per instance | 13,281 / 20.5 |
| Input tokens served from prompt cache | 97.6% |
| Output tokens, total (of which reasoning) | 8.7M (6.2M) |
Full technical report: swebench-october-run2/SWE_BENCH_REPORT.md (web version). Every instance's cost, tokens and turns: varianttech.net/benchmark_swebench. The cross-harness efficiency comparison below (and the full 24-bug chart): varianttech.net/benchmark.
<img src="https://raw.githubusercont
Nur der Anfang wird gezeigt; den Rest findest du im Repo